一种骨导传感器辅助的广义旁瓣消除方法技术

本发明专利技术属于信号处理技术领域，涉及一种骨导传感器辅助的广义旁瓣消除方法，包括：分别利用骨导传感器和麦克风采集语音信号；根据骨导传感器采集的语音信号估计语音存在概率，根据语音存在概率计算语音活动检测结果；利用广义旁瓣消除器根据语音活动检测结果对麦克风采集的语音信号进行过滤，得到增强信号；本发明专利技术利用骨导语音得到准确语音活动检测结果VAD，进而利用得到的VAD控制GSC中自适应阻塞矩阵和自适应噪声消除器的系数更新，减少了期望信号失真的同时具有更好的噪声抑制效果和更强的鲁棒性；本发明专利技术采用了一种有效的迭代策略，进一步消除残留噪声，不仅能够明显地提升语音质量，而且能提升语音可懂度。

【技术实现步骤摘要】

本专利技术属于信号处理，涉及一种骨导传感器辅助的广义旁瓣消除方法。

技术介绍

1、多通道语音增强算法需要使用麦克风阵列技术。阵列信号处理旨在利用多个麦克风来获取空间信息，从而进行空域信号处理。波束形成是麦克风阵列的重要应用之一，其目的是拾取目标方向的信号，同时对其它方向的信号进行抑制。波束形成器既有与麦克风接收信号无关的固定波束形成器，如延迟求和波束形成器(delay and sum beamformer，dsb)、超指向性波束形成器(super directive beamformer，spd)等，也有与麦克风接收信号相关的自适应波束形成器，其相当于具有自适应噪声抑制能力的固定波束形成器，因此通常能够更有效地抑制噪声。自适应波束成形器利用期望信号与干扰信号的相关性，逐帧更新滤波器的权系数以改善输出信噪比。如何控制自适应滤波器中的自适应过程一直是多通道麦克风阵列处理技术的难点和研究热点。

2、自适应波束形成算法主要有最小方差无失真响应(minimum variancedistortionless response，mvd)波束形成算法，线性约束本文档来自技高网...

【技术保护点】

1.一种骨导传感器辅助的广义旁瓣消除方法，其特征在于，包括：分别利用骨导传感器和麦克风采集语音信号；根据骨导传感器采集的语音信号XBC估计语音存在概率，根据语音存在概率计算语音活动检测结果；利用广义旁瓣消除器根据语音活动检测结果对麦克风采集的语音信号X进行过滤，得到增强信号。

2.根据权利要求1所述的一种骨导传感器辅助的广义旁瓣消除方法，其特征在于，麦克风采集的语音信号X包括期望语音信号。

3.根据权利要求2所述的一种骨导传感器辅助的广义旁瓣消除方法，其特征在于，广义旁瓣消除器包括：波束形成器、自适应噪声消除器以及自适应阻塞矩阵模块；广义旁瓣消除器对麦克风采集的语...

【技术特征摘要】

1.一种骨导传感器辅助的广义旁瓣消除方法，其特征在于，包括：分别利用骨导传感器和麦克风采集语音信号；根据骨导传感器采集的语音信号xbc估计语音存在概率，根据语音存在概率计算语音活动检测结果；利用广义旁瓣消除器根据语音活动检测结果对麦克风采集的语音信号x进行过滤，得到增强信号。

2.根据权利要求1所述的一种骨导传感器辅助的广义旁瓣消除方法，其特征在于，麦克风采集的语音信号x包括期望语音信号。

3.根据权利要求2所述的一种骨导传感器辅助的广义旁瓣消除方法，其特征在于，广义旁瓣消除器包括：波束形成器、自适应噪声消除器以及自适应阻塞矩阵模块；广义旁瓣消除器对麦克风采集的语音信号x进行处理包括：

4.根据权利要求3所述的一种骨导传感器辅助的广义旁瓣消除方法，其特征在于，对语音活动检测结果进行平滑控制包括：

5.根据权利要求3所述的一种骨导传感器辅助的广义旁瓣消除方法，其特征在于，更新自适应阻塞矩阵模块abm包括：若平滑后的语音活动检测结果为1，则使用qrd算法更新自适应阻塞矩阵模块abm，得到自适应阻塞矩阵模块abm'；否则，不更新自适应阻塞矩阵模块abm，得到自适应阻塞矩阵模块abm'；所述qrd算法为正交三角分解算法。

6.根据权利要求3所述的一种骨导传感器辅助的广义旁瓣消除方法，其特征在于，计算控制参数包括：计算波束形成器的输出信号和更新后的自适应阻塞矩阵模块的输出信号的功率比sir，使用双曲正切函数将sir映...

【专利技术属性】
技术研发人员：周翊，余冰雪，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：